Disciplina Ciências de Dados Avançada

O âmbito desta Unidade Curricular consiste em introduzir conceitos mais avançados em Ciência de Dados, ou seja, conhecer em detalhes problemas, recursos, modelos e avaliações utilizadas em Ciência de Dados. Nomeadamente, os alunos desta UC terão um contato detalhado com séries temporais, aplicações de séries temporais, classificação e regressão, bem como métricas para avaliação dos modelos desenvolvidos.

CP1. Introdução à linguagem R. Possibilidades de aplicações com R. Ferramentas essenciais para um Data Scientist.
CP2. Séries Temporais. Definição. Forecast. Decomposição. Visualizações.
CP3. Feature engineering. 
CP4. Regressão. Modelos, problemas, dados, métricas, visualizações.
CP5. Classificação. Modelos, problemas, dados, métricas, visualizações.
CP6. Discussão do estado da arte.

Esta unidade curricular consiste em aulas presenciais de natureza teórico-prática (Expositiva-Experimental):
ME1: Expositiva/Experimental: Esta unidade curricular consiste em aulas presenciais de natureza apresentação teórico/prática de acordo com o plano curricular, nas quais existe um problema claramente definido para resolver. Esta metodologia evita aulas de natureza unidirecional e favorece a co-construção do conhecimento nos estudantes facilitada pelo professor.
ME2: Ativa: realização de dois trabalhos de projeto em grupo e sua apresentação oral (40% + 40%).
ME3: Auto-estudo: trabalho individual do aluno demonstrado em aula (20%).

Notas importantes da avaliação:

- A classificação final consiste da média de todos os momentos avaliativos: dois projetos (40% + 40%), exercícios práticos e participação em aula (20%).
- Classificação mínima de 10 valores na média final (ou 50%). 
- Os grupos dos trabalhos de projeto podem ser entre 2 e 3 alunos.

• Hyndman, Rob J - Forecasting Principles and Practice. 3rd edition. OTexts. 2021.ISBN:  978-0987507136)
• Grus, J. - [Data Science from scratch: first principles with python. O'Reilly Media, Inc.